Receiver
这里的kafka获取数据其实是从HDFS中获取(WAL机制)(恢复时间较长)
task相当于一个线程
这里一个Executor中的多个task共同处理一个data中的数据,这里可以通过增加execut节点的方式增加task来提高消费能力
Direct
这里的Spark RDD的Partition 与 Kafka Partition 保持一致性。不能增加task数量,因为是一对一的关系
从kafka获取数据,比从hdfs获取数据,因为zero copy的方式,速度肯定更快。
1、receiver和direct如何选择?
根据业务现状:
–业务初期,消息量不是很大: 根据rdd partition,kafka partition一致性选择direct
–业务稳定期:提前考虑流量的高并发,(集群稳定性、代码的健壮性有保障),可以通过使用receiver方式提高消费能力,这里能通过启动execut来增加内存空间
业界常用: receiver方式